الذكاء الاصطناعي ومشكلات العالم الصعبة · الطب واكتشاف الأدوية · Nature (computational biology) · 2026-10-26

إطار هجين للاسترجاع والتحقق للحد من الهلوسة في النماذج اللغوية الكبيرة الطبية

العنوان الأصلي: Hybrid retrieval–verification framework for hallucination reduction in medical LLMs

قد تنتج النماذج اللغوية الكبيرة المستخدمة في البيئات السريرية إجابات غير مدعومة بالأدلة، مما يشكّل مخاطر على السلامة. يقترح المؤلفون CARE-Med، وهو إطار يجمع بين الاسترجاع الكثيف ومدقّقات الاستدلال اللغوي الطبيعي (NLI) وتقدير درجة الثقة، ويختبرونه على MIMIC-III وPubMedQA وBioASQ. انخفض معدل الاستجابات غير المدعومة وفق NLI من 32% للنموذج اللغوي الأساسي إلى 10%، ومن 21% في ظل RAG التقليدي إلى 10%.

اقرأ المصدر الأصلي ↗

جميع العناصر →